arXiv · ML· Xilin Wang, David Bau, Byron C. Wallace·· 2026-10-08AI 评分27
如何训练模型生物:基于多目标优化的对齐行为评估
How to train your model organism
AI 导读
指出仅以单一目标训练对齐行为模型生物不足,提出结合目标行为安装、通用能力保留与输出自然度三指标进行验证。 使用模型合并的多目标训练方法,在针对临床推理人口统计偏见的模型生物套件中,发现 DPO 训练比监督微调更接近基础模型。 训练方法塑造了解释性结论,验证指标与模型生物通用能力共变,表明多目标考量对得出可泛化结论至关重要。
来源:arXiv · ML · arxiv.org